Alles smart oder was? Künstliche Intelligenz bei Smart Buildings
Issue 01-2020:
read all articles online
read as pdf
Bereits 1950 wurde durch Alan Turing der sogenannte Turing-Test entwickelt: Eine Maschine muss das Verhalten eines Menschen nachahmen, ohne als Maschine erkannt zu werden. Im Detail befragt ein Fragesteller über einen Fernschreiber eine Maschine oder eine Frau. Beide geben sich als Frau aus. Wenn eine Maschine den Menschen hinreichend oft täuschen könne, wäre die Maschine als denkend anzusehen. Dabei hat Turing zwei wesentliche Kriterien für „künstliche Intelligenz“ herausgearbeitet: die erforderliche Rechenleistung und das eigentliche Lernverfahren.
Lernverfahren
In Bezug auf sinnvolle Verfahren für KI unterscheidet man in „Unsupervised Learning“, „Supervised Learning“ und evolutionäre Lernverfahren. Ersteres wertet (größere) Datenmengen aus und gruppiert diese – z.B. um Abhängigkeiten aufzudecken (z.B. Gemeinsamkeiten von Kunden eines bestimmten Produktes). Beim „Supervised Learning“ werden ein neuronales Netz verwendet und Trainingsphasen aufgesetzt. Hauptmanko neuronaler Netze allerdings ist, dass diese nur für ähnliche Aufgabestellungen wie die der Trainingsphase geeignet sind. Die höchste Form der künstlichen Intelligenz sind Verfahren, die eigenständig (d.h. ohne Trainingsphase) ermitteln, welche Aktionen in einer Situation angemessen sind. Die bekannteste Vorgehensweise in dieser Kategorie ist das Verstärkungslernen (Reinforcement Learning).
Chancen und Konsequenzen für die Gebäudeautomation
Der Betrieb von Gebäuden bzw. ganzen Liegenschaften wird zunehmend komplexer, somit ist dies ein ausgezeichnetes Anwendungsgebiet für computergestützte Auswertungen bzw. Optimierungen von Betriebsabläufen. Aufgrund der erforderlichen Anforderungen an Rechenkapazitäten sind entsprechende Algorithmen als BMS (Building Management System) in der sogenannten Management-Ebene zu finden.
Der grundlegende Gebäudebetrieb bleibt hierbei im Verantwortungsbereich der Controller (DDC-Systeme) der Automations-Ebene. Aber es ist unabdingbar, dass diese harmonisch mit dem BMS-System zusammenarbeiten und vereinbart wird, wer übergeordnet und wer unterstützend verantwortlich ist.
In Bezug auf die Feldebene ist eine gute Integrationsfähigkeit der Komponenten wie Sensoren und Aktoren wichtig. Funkbasierten Sensoren kommt eine besondere Rolle zu. Um die Anzahl der erforderlichen Sensoren in Gebäuden einbinden und diese auch in z.B. Möbel bzw. ortsveränderlich ausführen zu können, ist eine entsprechende Infrastruktur für ein leistungsfähiges funkbasiertes System unabdingbar. EnOcean ist hier die erste Wahl – aufgrund der Unterstützung durch viele Controller-Hersteller sowie der konsequenten Nutzung von „Energy Harvesting“ und damit des wartungsfreien Betriebs.
Fazit
Die Anforderungen an den „intelligenten“ Betrieb von Gebäuden sowie die Auswertung von Daten steigen. Die eigentliche „Intelligenz“ wandert zunehmend in die Management-Ebene und erfordert eine harmonische Arbeitsteilung sowie moderne Protokolle zwischen Controllern und BMS. Und die Komponenten der Feldebene werden zunehmend kommunikativ – inklusive Infrastruktur für ortsveränderliche und wartungsfreie Sensoren.
New articles in Smart Building
Top articles
